近日，煙臺(tái)大學(xué)計(jì)算機(jī)與控制工程學(xué)院王瑩潔教授團(tuán)隊(duì)論文被國(guó)際頂級(jí)期刊IEEE Transactions on Mobile Computing(IEEE TMC)以長(zhǎng)文錄用，論文題目為“Enhancing Worker Recruitment in Collaborative Mobile Crowdsourcing: A Graph Neural Network Trust Evaluation Approach”。該期刊是計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域的國(guó)際頂級(jí)期刊，中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）A類(lèi)推薦期刊，影響因子為7.9。
當(dāng)前，移動(dòng)眾包（MCS）作為物聯(lián)網(wǎng)（IoT）生態(tài)系統(tǒng)中的一個(gè)重要范例，通過(guò)集成多個(gè)傳感器和設(shè)備實(shí)現(xiàn)了集體智能，在城市傳感、環(huán)境監(jiān)測(cè)和交通管理等領(lǐng)域發(fā)揮著關(guān)鍵作用。在協(xié)作移動(dòng)眾包（CMCS）中，面對(duì)復(fù)雜任務(wù)感知的場(chǎng)景，一個(gè)關(guān)鍵問(wèn)題是如何招募一個(gè)合適的工人團(tuán)隊(duì)來(lái)完成任務(wù)。為解決這一問(wèn)題，王瑩潔教授團(tuán)隊(duì)提出了一種創(chuàng)新的CMCS工人招募模型（圖1）。
圖1工人招募系統(tǒng)體系架構(gòu)圖
研究團(tuán)隊(duì)設(shè)計(jì)了基于圖卷積神經(jīng)網(wǎng)絡(luò)（GCN）的信任強(qiáng)化評(píng)估框架（TREF），用于評(píng)估非對(duì)稱(chēng)信任關(guān)系。采用Mini-Batch K-Means算法對(duì)任務(wù)發(fā)布區(qū)域進(jìn)行劃分，并在不同區(qū)域部署邊緣服務(wù)器，從而實(shí)現(xiàn)了分布式工人招募的邊緣計(jì)算模式。通過(guò)綜合考慮工人的信任效益、能力效益和距離效益，將工人招募問(wèn)題建模為無(wú)向完全招募圖（UCRG），并針對(duì)UCRG，提出了特定的禁忌搜索招募（TSR）算法，通過(guò)綜合考慮沖突和隱私策略，為每個(gè)任務(wù)招募最優(yōu)的執(zhí)行團(tuán)隊(duì)和協(xié)作團(tuán)隊(duì)。
該研究成果以煙臺(tái)大學(xué)為第一單位，研究生湛中偉為第一作者，王瑩潔為通訊作者。該研究得到了國(guó)家自然科學(xué)基金面上項(xiàng)目、山東省青年創(chuàng)新科技支撐計(jì)劃項(xiàng)目、山東省自然科學(xué)基金項(xiàng)目、山東省自然科學(xué)基金重點(diǎn)項(xiàng)目、山東省重大科技創(chuàng)新項(xiàng)目，煙臺(tái)市科技創(chuàng)新發(fā)展計(jì)劃項(xiàng)目，網(wǎng)絡(luò)與交換技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室（北京郵電大學(xué)）開(kāi)放基金的支持。
論文DOI: 10.1109/TMC.2024.3373469
來(lái)稿時(shí)間：3月6日 審核：劉希斌 責(zé)任編輯：安興爽
